使用人工智能辅助的远程专业知识平台评估常见皮肤疾病的诊断性能:概念验证

科学领域:

• 皮肤病学 皮肤病学
• 医疗人工智能 医疗人工智能
• 机器学习应用 机器学习应用

背景情况:

• 机器学习 (ML) 在皮肤病学中显示出潜力,特别是在皮肤癌诊断方面.
• 很少有研究评估了ML模型来诊断常见或炎症性皮肤病.
• 需要评估ML在远程医疗中的诊断准确性和临床适用性,用于非癌性皮肤疾病.

研究的目的:

• 为了评估常见的非癌性皮肤疾病的ML模型的诊断准确性.
• 评估ML模型在实际远程医疗环境中的临床适用性.
• 为了比较两个版本的AI软件 (V1和V2) 在医疗监督和没有医疗监督的情况下的性能.

主要方法:

• 进行了一项前性的多中心诊断准确性研究.
• 这项研究包括70名参与者和195张常见皮肤病的照片.
• 一个对25种皮肤病进行训练的AI系统被两个皮肤科医生对金标准诊断进行了评估,比较了前1,前2和前3的预测.

主要成果:

• 人工智能模型对V2的 Top 3 诊断准确性 (在医疗监督下) 是 90% 的灵敏度和 88% 的特异性.
• 版本2 (V2) 显示了相对于版本1 (V1) 的显著改进.
• 对于V2,前1名的准确度为0.69-0.71,前2名为0.87,前3名为0.90. 然而,V1准确度较低.

结论:

• 开发的人工智能模型显示,作为一种用于分类和诊断皮肤病变的工具,具有相当大的前景.
• 人工智能模型的性能,特别是V2,表明在远程医疗中使用的巨大潜力.
• 这些发现表明,人工智能可以成为一种有价值的辅助工具,特别是对于诊断常见皮肤病的非专业医生来说.